基于参数学习的大规模MIMO格点偏移信道估计方法

摘要

本发明属于无线通信技术领域，公开了一种基于参数学习的大规模MIMO格点偏移信道估计方法；采用在DFT基础上通过固定采样格点对入射信号进行离散空间采样，采样格点离散地覆盖整个空间角度域。根据构建的大规模MIMO格点偏移信道模型，利用其中的偏置参数解决入射信号的空间采样不匹配；首先使用期望最大的稀疏贝叶斯方法去学习模型参数，然后利用线性最小均方误差去估计瞬时虚拟信道。与格点匹配DOA估计算法相比，不需要对角度扩展的离散化间隔的选择进行经验分析，有效降低计算复杂度，不需要考虑稀疏度水平，噪声方差或方向不匹配的先验知识。同时显着减轻角度域中入射方向不匹配导致的性能损失和能量泄露，有效提升资源利用率。